搜索
北京大学、上海人工智能实验室、南洋理工大学联合推出 DiffSensei，首个结合多模态大语言模型（MLLM）与扩散模型的定制化漫画生成框架。该框架通过创新的掩码交叉注意力机制与文本兼容的角色适配器，实现了对多角色外观、表情、动作的精确控制
谷歌联合创始人、全球第七富豪拉里・佩奇 (Larry Page) 已经成立了一个 AI 创业公司。据外媒 The Information 本周四报道，拉里・佩奇成立了名为 Dynatomics 的创业公司，旨在用人工智能颠覆制造业。
Intangible，现已获得 400 万美元的种子资金支持，提供了一款 AI 驱动的创意工具，让用户通过文本提示创建 3D 世界概念，助力跨行业创意专业人士。a16z Speedrun、Crosslink Capital 和几位天使投资者领投了本轮融资。
让人感到非常费解的是，在这些媒体口中如此“王炸”的 AI 突破，在海外几乎没有什么讨论，这与 DeepSeek 墙内开花墙外香，海外各路 AI 大神们甘当自来水疯狂吹爆的现象形成了巨大的反差
据ZP独家获悉，半图科技（SemiGraph）近日完成了一轮数千万人民币的天使轮融资，全球知名投资机构IDG资本独家投资。据了解，半图科技正式成立于2024下半年，致力于通过创新的技术推动AI应用领域的变革，尤其聚焦于AI技术在游戏、内容、情感交互等领域的深度应用。此次融资的成功为公司3D动画大模型底层技术的突破提供了强有力的资金支持，并有望加速其产品和技术的市场落地。
Ilya团队再次拿到20亿美元新一轮融资，估值300亿美元。与此同时，SSI在以色列特拉维夫办公室的首支研究团队的成员曝光，阵容堪称豪华。硅谷当下投资最热门，不是某个产品，而是一个人。
我们的使命是确保AGI（通用人工智能）能够惠及全人类。能够初步实现AGI的系统已经崭露头角，因此理解当下所处的时代至关重要。AGI是一个定义相对宽泛的术语，但通常我们指的是一种能够在多个领域达到人类水平、处理日益复杂问题的系统。
就在刚刚，腾讯版Sora补齐了又一重要拼图——图生视频。
波士顿动力公司刚刚发布了Atlas机器人的新视频，这位曾经以跑酷和空翻闻名的「网红」，如今竟然走进了工厂，开始认真从事零件排序工作！这标志着Atlas从「炫技」到「实用」的重大转变。
AI面试助手评测
越往后读越不对劲，开篇还是孤儿的女主居然给家里打了个电话，说，“爸，我决定回家继承家业。”
只有享不了的福，\x0d\x0a没有受不了的罪。
今天，他们自称发布了世界上最好的 OCR API，它能够将复杂的 PDF 文件转换为文本文件，以便 AI 模型处理。现在，所有大模型的输入端格式都是文本，或者规整的、容易识别的文本文件，但这个世界上，还有很多文件是粗糙的，不规整的，难以识别的，它需要依赖强大的 OCR 功能才能转换为文本。
AI Agent是一个应该非常个人化的东西。
藏了下一代Ray-Ban Meta的影子。
Manus发布后的火爆完全超出了团队预期，注册端口还遭到了暴力破解，团队一直在处理各种问题，目前仍处于超负荷运转状态。
码来！
M3 Ultra终极引擎，可跑千亿模型
新趋势、新业态
StyleStudio能解决风格迁移中风格过拟合、文本对齐差和图像不稳定的问题，通过跨模态AdaIN技术融合文本和风格特征、用教师模型稳定布局、引入基于风格的无分类器引导，实现精准控制风格元素，提升生成图像的质量和稳定性，无需额外训练，使用门槛更低！
less structure,more intelligence.
一条鲶鱼，让AI搜索格局从内容生态驱动转向内容形式驱动
张涛此前在字节跳动负责国际化产品的战略规划与落地，2023年，他加入王慧文创办的人工智能公司光年之外，担任产品负责人，主导AI产品的研发与商业化探索。2024年7月，张涛与首席科学家季逸超（Peak）、连续创业者肖弘（Red）共同创立Manus AI，并担任合伙人。他目前主要负责产品战略、市场沟通及用户体验优化。
Manus 被喷了一天。3/5晚上发布时，几乎所有我关注的AI开发者都在转发，集体情绪是非常兴奋的。大家都觉得这是一个非常牛逼的产品。然后早上各大AI自媒体发了测评，情绪推向了极致。
最近两天，我们见证了 Manus 的破圈。但邀请码一码难求。这就不禁让我想到，是否能做一个开源版呢？于是和同事吃完饭的时候一拍即合，回公司搓了三个小时，终于把这个 OpenManus 完成了！
傍上中国移动和华为两个“大哥”， 乐聚人形机器人迎来“智变”。
当涉及到空间推理任务时，LLMs 的表现却显得力不从心。空间推理不仅要求模型理解复杂的空间关系，还需要结合地理数据和语义信息，生成准确的回答。为了突破这一瓶颈，研究人员推出了 Spatial Retrieval-Augmented Generation (Spatial-RAG)—— 一个革命性的框架，旨在增强 LLMs 在空间推理任务中的能力。
智源联手多所顶尖高校发布的多模态向量模型BGE-VL，重塑了AI检索领域的游戏规则。它凭借独创的MegaPairs合成数据技术，在图文检索、组合图像检索等多项任务中，横扫各大基准刷新SOTA。
故事从去年10月26日说起，在那天，黄叔非常喜欢的Arc浏览器被创始人Josh Miller决定战略性放弃，开始开发新的AI Agent浏览器Dia： 同一天，HideCloud和Peak刚从武汉飞回北京，落地后，HideCloud震惊的发现，打开手机刷的第一条推特就是上面这条，因为，此前的两天，他们在武汉决定了终止AI浏览器的研发工作，莫名其妙的中美两只团队在同一刻达成了共识。
仅用32B，就击败o1-mini追平671B满血版DeepSeek-R1！阿里深夜重磅发布的QwQ-32B，再次让全球开发者陷入狂欢：消费级显卡就能跑，还一下子干到推理模型天花板！
